Poids de la maladie d'Alzheimer et autres démences à partir du SNDS : développement d'un algorithme et deux exemples d'application

par Ke Zhou

Projet de thèse en Santé publique - épidémiologie

Sous la direction de Alexis Elbaz et de Laure Carcaillon-bentata.

Thèses en préparation à Paris Est , dans le cadre de École doctorale Santé Publique (Le Kremlin-Bicêtre, Val-de-Marne ; 2015-...) , en partenariat avec Santé Publique France (laboratoire) et de Direction des maladies non transmissibles et des traumatismes (equipe de recherche) depuis le 01-10-2018 .


  • Résumé

    La question de l'évolution de la fréquence de la MAAD constitue un enjeu central dans la planification des besoins sanitaires et sociaux. Cependant, en France, peu d'informations permettent d'estimer le poids des démences, aussi bien en termes de fréquence que de pronostic et d'impact sur la consommation de soins. Les données actuellement disponibles pour étudier ces pathologies ne permettent plus de mettre à jour les indicateurs de fréquence. Les données du Système national des données de santé (SNDS) sont de plus en plus utilisées pour la surveillance des maladies chroniques et représentent une approche possible pour la surveillance des MAAD. Néanmoins, elles présentent de nombreuses limites pour le repérage des MAAD, qui repose sur des algorithmes nécessitant d'être validés. Dans ce contexte, Santé publique France met en place une étude afin de développer un algorithme performant pour le repérage des cas de MAAD dans le SNDS. Cette étude repose sur l'appariement des données du SNDS et de Résid-Ehpad avec les données d'une cohorte populationnelle française longitudinale, l'étude des Trois-Cités (3C). Cette cohorte a recherché systématiquement les cas de démence pendant plus de 10 ans à l'aide d'une procédure de référence (en plusieurs étapes, avec diagnostic clinique par un neurologue puis validation par un comité d'experts) et servira donc de gold standard pour le développement de l'algorithme. Le projet de thèse proposé a pour objectif principal le développement d'un algorithme performant d'identification des cas de MAAD. Le déroulement des travaux est envisagé en deux étapes. Dans un premier temps, l'étudiant en thèse participera au développement de la méthode d'appariement pour créer la base de données nécessaire à la réalisation du projet. Il sera également en charge d'évaluer les performances des algorithmes classiquement utilisés dans le SNDS pour repérer les cas prévalents et incidents de MAAD et de développer un nouvel algorithme performant. Dans un second temps, deux applications concrètes de ce nouvel algorithme seront mises en œuvre par l'étudiant ; l'une pour estimer la prévalence et l'incidence de la MAAD en population générale en appliquant le nouvel algorithme aux données nationales du SNDS et l'autre en appliquant le modèle chez des cas incidents de maladie de Parkinson. Cette seconde analyse aura pour objectif d'étudier le risque de MAAD chez des cas incidents de maladie de Parkinson ainsi que d'étudier les facteurs pouvant moduler ce risque. A terme, ces travaux ouvriront d'importantes perspectives d'analyses épidémiologiques (fréquence, évolution de fréquence, pronostic, sous-diagnostic) mais aussi médico-économiques (parcours de soin, coûts liés à la prise en charge,…) dans le champ des MAAD. A partir du nouvel algorithme, des indicateurs de prévalence et d'incidence de la MAAD en population générale seront estimés pour la France. De plus, ces données permettront d'étudier le lien entre maladie de Parkinson et risque de MAAD, peu documenté par des études de taille suffisante et bien conduites. Ce travail de thèse contribuera également à faire évoluer les connaissances sur la faisabilité et les méthodes utilisées pour l'appariement des données d'enquêtes avec celles du SNDS. Mots-clés : Appariement cohorte-SNDS, démence, développement d'algorithme, prévalence et incidence de la démence, maladie de Parkinson

  • Titre traduit

    Burden of Alzheimer disease and other dementias in French administrative databases: development of a new algorithm and two applications


  • Résumé

    The evolution of the frequency of Alzheimer's disease and related dementia (ADRD) is a central issue in the planning of health and social needs. However, in France, little information is available to estimate the burden of dementia, in terms of frequency, prognosis and impact on care consumption. The data commonly used to study these conditions in France no longer make it possible to update the frequency indicators. Data from the National Health Data System (SNDS) is increasingly used for chronic disease surveillance and is a potential tool for the surveillance of ADRD. Nevertheless, these data present numerous limitations for the identification of dementia cases, which relies on algorithms that need to be validated. In this context, the French national health agency, Santé publique France, is setting up a study to develop a powerful algorithm for identifying ADRD cases within the SNDS. This study is based on the linking of the SNDS with the data from a longitudinal French population-based cohort, the Three-City study (3C). This cohort has systematically searched cases of dementia for more than 10 years using a reference procedure and will therefore serve as a gold standard for the development of a new algorithm. The main goal of the present thesis project is to develop a powerful algorithm for identifying ADRD cases in the SNDS. The thesis work plan is scheduled in two steps. As a first step, the PhD student will participate to the development of the matching method to constitute the final database needed to develop the algorithm. The student will also be in charge of evaluating the performances of the algorithms conventionally used in the SNDS to identify prevalent and incident cases of ADRD and to develop a new powerful algorithm. In a second step, two concrete applications of this new algorithm will be implemented by the student; one to estimate the prevalence and incidence of ADRD in the general population and the other to identify ADRD incidence in a cohort of incident cases of Parkinson's disease. This second analysis will aim to study the risk of ADRD in incident cases of Parkinson's disease as well as to study the factors that can modulate this risk. In the long term, this work will open important perspectives in the field of the epidemiology of dementia (frequency, frequency evolution, prognosis, under-diagnosis) but also in medico-economic studies' related to dementia (care pathways, costs related to care, ...). From the new algorithm, indicators of prevalence and incidence of dementia in the general population will be estimated for France. Moreover, these data will make it possible to study the link between Parkinson's disease and the risk of dementia, which is poorly documented by sufficiently large and well-conducted studies. This work thesis will also help to advance knowledge about the feasibility and methods used to link survey data with the SNDS. Key words: Survey data and SNDS linkage, dementia, algorithm, prevalence and incidence of dementia, Parkinson's disease